当前位置： 首页 > news >正文

CANN算子库幂运算API文档

news 2026/5/11 3:58:25

aclnnPowTensorScalar&aclnnInplacePowTensorScalar

【免费下载链接】ops-math本项目是CANN提供的数学类基础计算算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-math

📄 查看源码

产品支持情况

产品是否支持
Ascend 950PR/Ascend 950DT√
Atlas A3 训练系列产品/Atlas A3 推理系列产品√
Atlas A2 训练系列产品/Atlas A2 推理系列产品√
Atlas 200I/500 A2 推理产品√
Atlas 推理系列产品√
Atlas 训练系列产品√

功能说明

  • 接口功能：exponent每个元素作为input对应元素的幂完成计算。

  • 计算公式：

    $$ out_i = self_i^{exponent_i} $$

函数原型

aclnnPowTensorScalar和aclnnInplacePowTensorScalar实现相同的功能，使用区别如下：

  • aclnnPowTensorScalar：需新建一个输出张量对象存储计算结果。

  • aclnnInplacePowTensorScalar：无需新建输出张量对象，直接在输入张量的内存中存储计算结果。

每个算子分为两段式接口，必须先调用”aclnnPowTensorScalarGetWorkspaceSize”或者”aclnnInplacePowTensorScalarGetWorkspaceSize”接口获取计算所需workspace大小以及包含了算子计算流程的执行器，再调用”aclnnPowTensorScalar”或者”aclnnInplacePowTensorScalar”接口执行计算。

aclnnStatus aclnnPowTensorScalarGetWorkspaceSize( const aclTensor* self, const aclScalar* exponent, const aclTensor* out, uint64_t* workspaceSize, aclOpExecutor** executor)
aclnnStatus aclnnPowTensorScalar( void* workspace, uint64_t workspaceSize, aclOpExecutor* executor, const aclrtStream stream)
aclnnStatus aclnnInplacePowTensorScalarGetWorkspaceSize( const aclTensor* self, const aclScalar* exponent, uint64_t* workspaceSize, aclOpExecutor** executor)
aclnnStatus aclnnInplacePowTensorScalar( void* workspace, uint64_t workspaceSize, aclOpExecutor* executor, aclrtStream stream)

aclnnPowTensorScalarGetWorkspaceSize

  • 参数说明：

    参数名输入/输出描述使用说明数据类型数据格式维度(shape)非连续Tensor
    self（aclTensor*）输入公式中的输入self数据类型需要是与exponent的数据类型推导之后可转换的数据类型。FLOAT、FLOAT16、DOUBLE、INT8、INT16、INT32、INT64、BOOL、UINT8、COMPLEX64、COMPLEX128、BFLOAT16ND-√
    exponent（aclScalar*）输入公式中的输入exponent数据类型不能和self的数据类型同时为BOOL。
    self和exponent推导后的数据类型为整型时，exponent需要大于等于0。
    exponent的值需要在self和exponent推导后的数据类型的取值范围内。（参见互推导关系）    		FLOAT、FLOAT16、DOUBLE、INT8、INT16、INT32、INT64、BOOL、UINT8、COMPLEX64、COMPLEX128、BFLOAT16---
    out（aclTensor*）输出公式中的输出outshape需要与self一致, 数据类型需要是self的数据类型与exponent的数据类型推导之后可转换的数据类型FLOAT、FLOAT16、DOUBLE、BOOL、INT16、INT32、INT64、INT8、UINT8、COMPLEX64、COMPLEX128、BFLOAT16、UINT16、UINT32、UINT64ND--
    workspaceSize（uint64_t*）输出返回需要在Device侧申请的workspace大小。-----
    executor（aclOpExecutor**）输出返回op执行器，包含了算子计算流程。-----
    • Atlas 200I/500 A2 推理产品 、 Atlas 推理系列产品 、 Atlas 训练系列产品 ：数据类型不支持BFLOAT16。

  • 返回值

    aclnnStatus：返回状态码，具体参见aclnn返回码。

    第一段接口会完成入参校验，出现以下场景时报错：

    返回码错误码描述
    ACLNN_ERR_PARAM_NULLPTR161001传入的self、exponent或out是空指针。
    ACLNN_ERR_PARAM_INVALID161002self、exponent和out的数据类型不在支持的范围之内。
    self的shape大于8维。
    self和exponent无法满足数据类型推导规则。
    推导出的数据类型无法转换为out的类型。
    self和out的shape不一致。
    exponent的取值不在支持范围内。

aclnnPowTensorScalar

  • 参数说明：

    参数名输入/输出描述
    workspace输入在Device侧申请的workspace内存地址。
    workspaceSize输入在Device侧申请的workspace大小，由第一段接口aclnnPowTensorScalarGetWorkspaceSize获取。
    executor输入op执行器，包含了算子计算流程。
    stream输入指定执行任务的Stream。

  • 返回值

    aclnnStatus：返回状态码，具体参见aclnn返回码。

aclnnInplacePowTensorScalarGetWorkspaceSize

  • 参数说明：

    参数名输入/输出描述使用说明数据类型数据格式维度(shape)非连续Tensor
    selfRet（aclTensor*）输入公式中的输入self/out无FLOAT、FLOAT16、DOUBLE、INT32、INT64、INT8、UINT8、COMPLEX64、COMPLEX128、INT16、BFLOAT16ND-√
    exponent（aclScalar*）输入公式中的输入exponentselfRef和exponent推导后的数据类型为整型时，exponent需要大于等于0。
    exponent的值需要在selfRef和exponent推导后的数据类型的取值范围内。（参见互推导关系）    		FLOAT、FLOAT16、DOUBLE、INT32、INT64、INT8、UINT8、COMPLEX64、COMPLEX128、INT16、BFLOAT16ND0-8-
    workspaceSize（uint64_t*）输出返回需要在Device侧申请的workspace大小。-----
    executor（aclOpExecutor**）输出返回op执行器，包含了算子计算流程。-----

  • 返回值

    aclnnStatus， 返回状态码，具体参见aclnn返回码。

    第一段接口会完成入参校验，出现以下场景时报错：

    返回码错误码描述
    ACLNN_ERR_PARAM_NULLPTR161001传入的selfRef或exponent是空指针。
    ACLNN_ERR_PARAM_INVALID161002selfRef和exponent的数据类型不在支持的范围之内。
    selfRef的shape大于8维。
    selfRef和exponent无法满足数据类型推导规则。
    推导出的数据类型无法转换为selfRef的类型。
    exponent的取值不在支持范围内。

aclnnInplacePowTensorScalar

  • 参数说明：

    参数名输入/输出描述
    workspace输入在Device侧申请的workspace内存地址。
    workspaceSize输入在Device侧申请的workspace大小，由第一段接口aclnnInplacePowTensorScalarGetWorkspaceSize获取。
    executor输入op执行器，包含了算子计算流程。
    stream输入指定执行任务的Stream。

  • 返回值

    aclnnStatus：返回状态码，具体参见aclnn返回码。

约束说明

  • INT32整型计算在如下范围以外的场景，会出现超时：

    shapeexponent_value
    <=100000（十万）-200000000~200000000(两亿)
    <=1000000（百万）-20000000~20000000(两千万)
    <=10000000（千万）-2000000~2000000(两百万)
    <=100000000（亿）-200000~200000(二十万)
    <=1000000000（十亿）-20000~20000(两万)

  • 确定性计算：aclnnPowTensorScalar&aclnnInplacePowTensorScalar默认确定性实现。

  • Atlas 训练系列产品 、 Atlas 推理系列产品 ：该场景下，如果计算结果取值超过了设定的数据类型取值范围，则会以该数据类型的边界值作为结果返回。

  • exponent = 2场景下调用square算子，当输入self为int8时，只有结果在(-2048, 1920)范围内时保证精度无误差。

调用示例

示例代码如下，仅供参考，具体编译和执行过程请参考编译与运行样例。

#include <iostream> #include <vector> #include "acl/acl.h" #include "aclnnop/aclnn_pow.h" #define CHECK_RET(cond, return_expr) \ do { \ if (!(cond)) { \ return_expr; \ } \ } while (0) #define LOG_PRINT(message, ...) \ do { \ printf(message, ##__VA_ARGS__); \ } while (0) int64_t GetShapeSize(const std::vector<int64_t>& shape) { int64_t shapeSize = 1; for (auto i : shape) { shapeSize *= i; } return shapeSize; } int Init(int32_t deviceId, aclrtStream* stream) { // 固定写法，资源初始化 auto ret = aclInit(nullptr); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclInit failed. ERROR: %d\n", ret); return ret); ret = aclrtSetDevice(deviceId); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSetDevice failed. ERROR: %d\n", ret); return ret); ret = aclrtCreateStream(stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtCreateStream failed. ERROR: %d\n", ret); return ret); return 0; } template <typename T> int CreateAclTensor(const std::vector<T>& hostData, const std::vector<int64_t>& shape, void** deviceAddr, aclDataType dataType, aclTensor** tensor) { auto size = GetShapeSize(shape) * sizeof(T); // 调用aclrtMalloc申请device侧内存 auto ret = aclrtMalloc(deviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMalloc failed. ERROR: %d\n", ret); return ret); // 调用aclrtMemcpy将host侧数据拷贝到device侧内存上 ret = aclrtMemcpy(*deviceAddr, size, hostData.data(), size, ACL_MEMCPY_HOST_TO_DEVICE); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMemcpy failed. ERROR: %d\n", ret); return ret); // 计算连续tensor的strides std::vector<int64_t> strides(shape.size(), 1); for (int64_t i = shape.size() - 2; i >= 0; i--) { strides[i] = shape[i + 1] * strides[i + 1]; } // 调用aclCreateTensor接口创建aclTensor *tensor = aclCreateTensor(shape.data(), shape.size(), dataType, strides.data(), 0, aclFormat::ACL_FORMAT_ND, shape.data(), shape.size(), *deviceAddr); return 0; } int main() { // 1. （固定写法）device/stream初始化，参考acl API手册 // 根据自己的实际device填写deviceId int32_t deviceId = 0; aclrtStream stream; auto ret = Init(deviceId, &stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("Init acl failed. ERROR: %d\n", ret); return ret); // 2. 构造输入与输出，需要根据API的接口自定义构造 std::vector<int64_t> selfShape = {2, 2}; std::vector<int64_t> outShape = {2, 2}; void* selfDeviceAddr = nullptr; void* outDeviceAddr = nullptr; aclTensor* self = nullptr; aclScalar* exponent = nullptr; aclTensor* out = nullptr; std::vector<float> selfHostData = {0, 1, 2, 3}; std::vector<float> outHostData = {0, 0, 0, 0}; float exponentVal = 4.1f; // 创建self aclTensor ret = CreateAclTensor(selfHostData, selfShape, &selfDeviceAddr, aclDataType::ACL_FLOAT, &self); CHECK_RET(ret == ACL_SUCCESS, return ret); // 创建threshold aclScalar exponent = aclCreateScalar(&exponentVal, aclDataType::ACL_FLOAT); CHECK_RET(exponent != nullptr, return ret); // 创建out aclTensor ret = CreateAclTensor(outHostData, outShape, &outDeviceAddr, aclDataType::ACL_FLOAT, &out); CHECK_RET(ret == ACL_SUCCESS, return ret); // 3. 调用CANN算子库API，需要修改为具体的API名称 // aclnnPowTensorScalar接口调用示例 uint64_t workspaceSize = 0; aclOpExecutor* executor; // 调用aclnnPowTensorScalar第一段接口 ret = aclnnPowTensorScalarGetWorkspaceSize(self, exponent, out, &workspaceSize, &executor); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnPowTensorScalarGetWorkspaceSize failed. ERROR: %d\n", ret); return ret); // 根据第一段接口计算出的workspaceSize申请device内存 void* workspaceAddr = nullptr; if (workspaceSize > 0) { ret = aclrtMalloc(&workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("allocate workspace failed. ERROR: %d\n", ret); return ret); } // 调用aclnnPowTensorScalar第二段接口 ret = aclnnPowTensorScalar(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnPowTensorScalar failed. ERROR: %d\n", ret); return ret); // aclnnInplacePowTensorScalar接口调用示例 uint64_t inplaceWorkspaceSize = 0; aclOpExecutor* inplaceExecutor; // 调用aclnnInplacePowTensorScalar第一段接口 ret = aclnnInplacePowTensorScalarGetWorkspaceSize(self, exponent, &inplaceWorkspaceSize, &inplaceExecutor); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnInplacePowTensorScalarGetWorkspaceSize failed. ERROR: %d\n", ret); return ret); // 根据第一段接口计算出的workspaceSize申请device内存 void* inplaceWorkspaceAddr = nullptr; if (inplaceWorkspaceSize > 0) { ret = aclrtMalloc(&inplaceWorkspaceAddr, inplaceWorkspaceSize, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("allocate workspace failed. ERROR: %d\n", ret); return ret); } // 调用aclnnInplacePowTensorScalar第二段接口 ret = aclnnInplacePowTensorScalar(inplaceWorkspaceAddr, inplaceWorkspaceSize, inplaceExecutor, stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnInplacePowTensorScalar failed. ERROR: %d\n", ret); return ret); // 4. （固定写法）同步等待任务执行结束 ret = aclrtSynchronizeStream(stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSynchronizeStream failed. ERROR: %d\n", ret); return ret); // 5. 获取输出的值，将device侧内存上的结果拷贝至host侧，需要根据具体API的接口定义修改 auto size = GetShapeSize(outShape); std::vector<float> resultData(size, 0); ret = aclrtMemcpy(resultData.data(), resultData.size() * sizeof(resultData[0]), outDeviceAddr, size * sizeof(resultData[0]), ACL_MEMCPY_DEVICE_TO_HOST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("copy result from device to host failed. ERROR: %d\n", ret); return ret); for (int64_t i = 0; i < size; i++) { LOG_PRINT("aclnnPowTensorScalar result[%ld] is: %f\n", i, resultData[i]); } auto inplaceSize = GetShapeSize(selfShape); std::vector<float> inplaceResultData(inplaceSize, 0); ret = aclrtMemcpy(inplaceResultData.data(), inplaceResultData.size() * sizeof(inplaceResultData[0]), outDeviceAddr, inplaceSize * sizeof(inplaceResultData[0]), ACL_MEMCPY_DEVICE_TO_HOST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("copy result from device to host failed. ERROR: %d\n", ret); return ret); for (int64_t i = 0; i < inplaceSize; i++) { LOG_PRINT("aclnnInplacePowTensorScalar result[%ld] is: %f\n", i, inplaceResultData[i]); } // 6. 释放aclTensor和aclScalar，需要根据具体API的接口定义修改 aclDestroyTensor(self); aclDestroyScalar(exponent); aclDestroyTensor(out); // 7. 释放device资源，需要根据具体API的接口定义修改 aclrtFree(selfDeviceAddr); aclrtFree(outDeviceAddr); if (workspaceSize > 0) { aclrtFree(workspaceAddr); } if (inplaceWorkspaceSize > 0) { aclrtFree(inplaceWorkspaceAddr); } aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }

【免费下载链接】ops-math本项目是CANN提供的数学类基础计算算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-math

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

http://www.jsqmd.com/news/793468/

相关文章：

  • AnsiWeather Unicode符号和ANSI色彩完全指南：终端天气显示的终极解决方案
  • 前端面试vue
  • CTFd与MCP协议集成：AI智能体赋能CTF赛事自动化运维
  • C# Winform窗体程序自重启：从Application.Restart到进程管理的进阶实践
  • Vibe-Coding：开源AI编码助手部署与深度集成指南
  • 如何永久保存微信聊天记录？5步实现数据自主管理
  • AI辅助生殖：多模态数据融合与深度学习在胚胎评估中的应用
  • Chapter用户权限系统详解：5种角色权限配置与最佳实践
  • CommentCoreLibrary数据格式完全指南：AcFun、Bilibili、CommonDanmaku格式解析
  • CANN/asc-devkit半精度转无符号整数函数
  • 08-方法
  • AI-Trader团队评分系统：评估AI代理协作表现的科学方法
  • ReportPortal故障排除：常见部署问题和解决方案大全
  • 5分钟快速上手slua-unreal：从零开始构建你的第一个Lua Actor
  • 鸿蒙一气总论（八）
  • CANN/Ascend C矩阵乘法策略API
  • Lustre状态管理完全教程：Erlang与Elm灵感的完美结合
  • AI知识库构建实战：从RAG原理到企业级应用部署
  • mitojs高级配置与Hook机制：如何实现高度定制化监控
  • 聊天插件SDK开发指南：从架构设计到实战部署
  • AI代码助手安全规则实战：从SQL注入防护到隐私合规
  • mckays-app-template支付系统详解：Stripe集成与订阅管理实战指南
  • CANN/asc-devkit Query API文档
  • CANN/ge获取输入格式API
  • Mentalist安全使用规范：合法渗透测试中的字典生成最佳实践
  • Boomerang性能监控最佳实践：20个提升网站速度的关键策略
  • 安全代码沙盒实践：从Docker到seccomp的多层防御架构
  • AI-Trader价格获取系统：实时市场数据获取与处理机制
  • 深入理解kubeaudit审计器：12个核心安全检查项全解析
  • CANN/ops-math reduce_max算子API文档